ارائه يك الگوريتم تخمين توزيع بسيار هدفه مبتني بر تجزيه

كارشناسي ارشد

الگوريتم¬هايتكاملي يكي از روش¬هاي حل مسائل بهينه¬سازي چند هدفه هستند كه هدف آن¬ها يافتن يك مجموعه از راه حل¬هاي متنوع و همگرا شدن به نماي بهينه¬ پارتو مسئله است.در اين الگوريتم¬ها براي حل مسائل بهينه¬سازي چند هدفه و بسيار هدفه، يك مكانيسم بازتوليد مناسب جهت توليد راه حل¬هاي با كيفيت ضروري است. اما براي عملكرد بهتر الگوريتم¬ها بايد بازتوليد در كنار مكانيسم انتخابي استفاده شود كه هنگام انتخاب راه حل¬ها با مشكلات ناشي از افزايش بعد فضاي هدف برخورد كند. بر اين اساس يك الگوريتم تخمين توزيع بسيار هدفه مبتني بر تجزيه طراحي كرده¬ايمكهبا روش چبيشف مسئله بسيار هدفه را به چند زير مسئله تك هدفه تجزيهو هم¬زمان تمام زير مسائل را بهينه¬سازي مي¬كند.براي بهينه¬سازي از يك مدل احتمالي در كنار عملگرهاي ژنتيكي استفاده شده است. در اين روشبراي تمام زير مسائل يك مدل احتمالي ساخته مي¬شود كه اين مدل مبتني بر ويژگي نظم استبه اين معنيكه مجموعه پارتو اين مسائل در فضاي جستجو يك منيفلد m-1 (m تعداد اهداف) بعدي قطعه¬اي پيوسته است. بنابراين راه حل¬هاي جمعيت با يك توزيع احتمالي كه مركزش يك منيفلد m-1 بعدي است، مدل¬سازي مي-شوند.سپس براي هر زير مسئله با نمونه برداري از اين مدل يا استفاده از عملگرهاي ژنتيكي، يك راه حل توليد مي¬شود.با بهينه¬سازي هر زير مسئله همگرايي به نماي بهينه پارتو به¬دست مي¬آيدو تنوع جمعيت با يك مجموعهاز بردارهاي وزن مربوط به زير مسائل كنترل خواهدشد. الگوريتم پيشنهادي براساس ويژگي مستقل يا وابسته بودن داده¬ها كه نوع يادگيري مدل احتمالي را تعيين مي¬كند، در دو چهارچوب جدا ارائه شده و عملكرد آن¬هامقايسه شده است. با فرض مستقل بودن داده¬ها،مدل در هر نسل از ابتدا براساس كل داده¬ها به¬صورت دسته¬اي ياد گرفته مي¬شود و با فرض وابستگي داده¬ها يادگيري مدل به صورت بر خط است،¬يعني در هر نسل براساس داده¬هاي جديد به روز مي¬شود.دو الگوريتم پيشنهادي با الگوريتم¬هاي پايه و يك الگوريتم مشابه روي 5 دسته مختلف از مسائل آزمايشيمقايسه شده است.نتايجآزمايش¬ها نشان مي¬دهد كه الگوريتم پيشنهادي با داده¬هاي وابسته روي مسائل بزرگ-مقياس كه حاوي پيوند غير خطيبين متغيرها هستند و نماي پارتو آن¬ها شكل هندسي محدب دارد با افزايش تعداد اهدف تا 10، عملكرد بهتري در مقايسه با ساير الگوريتم¬ها داشته است.

230464

دانشگاه اصفهان

مهندسي كامپيوتر - هوش مصنوعي

حسين كارشناس